„Product/Market-Fit spürt man immer, wenn er eintritt“, schrieb Marc Andreessen im Juni 2007. Die Kunden kaufen so schnell, wie du liefern kannst. Das Geld häuft sich. Du stellst in aller Eile Leute ein. Und wenn er nicht eintritt, fügte er hinzu, spürt man das auch immer.
Es ist ein großartiger Satz, und er nützt einer Gründerin, die sich nicht sicher ist, rein gar nichts. Die meisten sind sich nicht sicher. Sie haben ein paar Kunden, von denen manche zufrieden wirken, und eine Wachstumskurve, die sich so oder so lesen lässt. Was sie gern hätten, ist ein Thermometer.
Ein Marketer namens Sean Ellis hat ihnen eines gegeben. Es besteht aus einer Frage und einer Bestehensgrenze, und seit fünfzehn Jahren ist es das, was in der Start-up-Welt einem offiziellen Test am nächsten kommt. Es verdient einen genaueren Blick, als es meist bekommt, denn die Zahl, die es liefert, ist das am wenigsten Wertvolle daran.
Ein Gefühl mit einer Zahl
Die Frage lautet: „Wie würdest du dich fühlen, wenn du das Produkt nicht mehr nutzen könntest?“ Drei Antworten stehen zur Wahl. Sehr enttäuscht, etwas enttäuscht, nicht enttäuscht.
Ellis stellte die Frage den Nutzern von fast hundert Start-ups und suchte nach einem Muster. Er fand eines. In der Darstellung von Rahul Vohra, dem Gründer der E-Mail-Firma Superhuman, „war die magische Zahl 40 %“. Bei Firmen, die sich mit dem Wachstum schwertaten, wählten fast immer weniger als 40 % der Nutzer „sehr enttäuscht“. Bei Firmen mit Zugkraft waren es fast immer mehr.
Vohras eigene Geschichte ist der Grund, warum der Test berühmt ist. Im Sommer 2017 stellte Superhuman seinen Nutzern die Frage, und 22 % sagten, sie wären sehr enttäuscht. Drei Quartale später waren es 58 %. Ein früheres prominentes Ergebnis stammt von Slack. 2015 befragte der Unternehmer Hiten Shah 731 Slack-Nutzer, und 51 % sagten, sie wären sehr enttäuscht, es zu verlieren.
Es gibt also eine Frage, eine Schwelle und eine Reihe von Erfolgsgeschichten. Was es bei näherem Hinsehen nicht gibt, ist viel Unterbau. Ellis hat die Schwelle als „ein bisschen willkürlich“ beschrieben, eine Linie, die er zog, nachdem er jene rund hundert Firmen verglichen hatte. Sie ist eine Beobachtung über Start-ups, die schon gewachsen oder gescheitert waren. Einen veröffentlichten Test, ob der Wert vorhersagt, was als Nächstes passiert, haben wir nicht gefunden.
Wer gefragt wurde
Das Erste, was die Zahl verbiegt, ist die Gästeliste.
Schau noch einmal auf Superhuman. Der Wert stieg nicht allein durch Arbeit am Produkt von 22 % auf 58 %. Der erste Sprung kam aus einer Entscheidung darüber, wen man zählt. Vohras Team sah sich an, wer die sehr Enttäuschten waren, vor allem Gründer, Manager, Führungskräfte und Leute aus dem Business Development, und berechnete den Wert nur für diese Art von Kunden neu. Er stieg auf 33 %. Am Produkt hatte sich keine Zeile Code geändert. Der Nenner schon.
Das ist legitim, und Vohra geht offen damit um. Aber es zeigt, wie viel Spielraum da ist. Die Slack-Zahl ist ähnlich weich. Shahs 731 Befragte kamen über seinen eigenen Tweet, seine E-Mails und Nachrichten, den Verteiler eines Freundes und alle, die den Link weiterreichten. Leute, die die Umfrage eines Fremden über Slack beantworten, sind kein Querschnitt der Leute, die Slack nutzen.
In jeder Fassung der Umfrage steckt außerdem ein stillerer Filter. Die Frage lässt sich nur denen stellen, die noch da sind. Wer das Produkt ausprobiert hat und gegangen ist, also gerade die, die zum Thema Fit am meisten zu sagen hätten, steht nicht auf der Liste. Dieses Problem betrachten wir in Survivorship Bias im Kundenfeedback.
Dann ist da noch die schlichte Arithmetik. Vohra meint, rund 40 Antworten reichten, um „der Richtung nach“ nützlich zu sein, und Superhuman hatte nur 100 bis 200 Nutzer zum Befragen. Bei 40 Antworten hat ein Wert von 40 % eine Fehlerspanne von etwa 15 Punkten nach oben und unten. Der wahre Wert könnte 25 % sein, also Scheitern, oder 55 %, also Triumph. Unser Ratgeber zur Stichprobengröße bei Umfragen rechnet es vor. In der Größenordnung, in der die meisten Start-ups diese Umfrage machen, liegt die Bestehensgrenze mitten im Rauschen.
Wärst du enttäuscht?
Die zweite Schwierigkeit ist die Frage selbst. Sie fragt nicht, was Leute getan haben. Sie bittet sie, sich einen Verlust vorzustellen und ihre eigenen Gefühle dazu vorherzusagen.
Darin sind Menschen nicht gut. Psychologen, die solche Vorhersagen untersuchen, haben einen Namen für den typischen Fehler, den Impact Bias: Wir überschätzen, wie stark und wie lange künftige Ereignisse uns bewegen werden. Der Verlust wirkt riesig, solange wir ihn uns ausmalen. Dann tritt er ein, und wir gewöhnen uns deutlich schneller daran als gedacht.
Der Software-Autor Justin Jackson hat die Erfahrung aus Kundensicht beschrieben. Er war sicher, dass er sich ärgern würde, wenn Microsoft seine Kalender-App Sunrise einstellt. Dann wurde sie eingestellt, er wechselte zu einem anderen Kalender, und „jedes Gefühl von Enttäuschung verschwand ziemlich schnell“. In jeder Umfrage hätte er „sehr enttäuscht“ angekreuzt.
Das ist ein Verwandter der Say-Do-Gap. Ein Kunde, der sagt, er wäre sehr enttäuscht, sagt dir etwas Wahres darüber, wie sich das Produkt heute anfühlt. Ein Versprechen zu bleiben ist das nicht, und noch weniger ein Versprechen zu zahlen.
Wofür die Umfrage gut ist
Nichts davon macht die Umfrage zu einer verschwendeten E-Mail. Es heißt nur, dass der Wert die Aufmerksamkeit bekommen hat, die dem Rest zusteht.
Superhuman stellte vier Fragen, nicht eine. Auf die berühmte folgten drei weitere: Welche Art von Menschen würde deiner Meinung nach am meisten von dem Produkt profitieren? Was ist der wichtigste Nutzen, den du davon hast? Und wie können wir es für dich verbessern? Und das Team las die Antworten nicht einfach alle auf einem Haufen. Es sortierte sie nach der ersten Frage.
Die Gruppe „nicht enttäuscht“ wurde ganz beiseitegelegt. Diese Leute waren nicht zu gewinnen, und für sie zu bauen hätte das Produkt von denen weggezogen, die es liebten. Die Gruppe „sehr enttäuscht“ sagte dem Team, wofür das Produkt da ist: in ihrem Fall Tempo. Die spannende Gruppe lag in der Mitte. Unter den „etwas Enttäuschten“ behielt das Team nur die, die ebenfalls Tempo als wichtigsten Nutzen nannten, und ihre Wünsche kamen auf die Roadmap. Sie wollten dasselbe wie die Begeisterten, und irgendetwas hielt sie auf.
So gesehen ist die Umfrage ein Sortierwerkzeug. Sie sagt dir, wessen Feedback du gewichten und wessen du liegen lassen sollst. Das ist die schwierigste Frage beim Priorisieren von Feature-Wünschen, und ein Stapel unsortierter Kommentare kann sie nicht beantworten.
Ein paar Gewohnheiten machen sie ehrlicher. Schick sie nur an Leute, die das Herzstück des Produkts zuletzt genutzt haben, denn niemand ist enttäuscht, etwas zu verlieren, das er nie öffnet. Nenn neben dem Wert die Zahl der Antworten und die Spanne, in der der Wert liegen könnte. Halte Zielgruppe und Wortlaut von Runde zu Runde gleich, damit ein Anstieg etwas bedeutet. Und leg das Ergebnis neben das, was Leute tun. Wenn 45 % sagen, sie wären sehr enttäuscht, und die Hälfte davon hat sich seit einem Monat nicht eingeloggt, glaub den Logins.
Vor allem: Frag nach dem Warum. „Sehr enttäuscht“ sind zwei Wörter. Der Kunde, der sie gewählt hat, kann dir meist sagen, wozu er zurückkehren müsste, und diese Antwort, die Tabelle oder der Konkurrent oder die zwei Stunden jeden Freitag, ist die eigentliche Beschreibung deines Marktes.
Andreessen hatte vermutlich recht, dass man Product-Market-Fit spürt, wenn er eintritt. Die Umfrage kann das Gefühl nicht liefern, und ein Gründer, der vierzig Kunden braucht, um zu erfahren, ob er ihn hat, ahnt die Antwort womöglich schon. Aber das Gefühl sagt dir, wenn es kommt, nicht, wem du es verdankst und was diese Leute als Nächstes wollen. Dafür musst du immer noch fragen.
So hilft dir Diaform
Diaform stellt die Product-Market-Fit-Frage in einem kurzen Chat und fragt dann nach dem Warum. Der KI-Interviewer hakt bei vagen Antworten so weit nach, wie du es erlaubst, sodass zu „sehr enttäuscht“ auch gehört, was der Kunde ohne dich tun würde. Jedes Gespräch bekommt eine Zusammenfassung mit wörtlichen Zitaten, und KI-Berichte ordnen die Gründe nach Themen. Ob du Product-Market-Fit hast, entscheidet es nicht, und eine kleine Stichprobe bleibt eine kleine Stichprobe. Es gibt einen 14-tägigen kostenlosen Test.
